caffe学习一：ubuntu16.04下跑Faster R-CNN demo (基于caffe). (亲测有效，记录经历两天的吐血经历)

兜兜转转，兜兜转转;

一次有一次，这次终于把Faster R-CNN 跑通了。

重要提示1：在开始跑Faster R-CNN之前一定要搞清楚用的是Python2 还是Python3. 不然你会无限次陷入一下错误：

from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \
ImportError: dynamic module does not define module export function (PyInit__caffe)

错误原因：当出现这个错误的时候，你应该知道错误原因极有可能是Python版本问题。

首先，ubuntu是自带两个版本的Python, 通常做深度学习的人会装anaconda.这样算下来你的计算机就有三个版本的python了：

python2.7, python3.5, conda版本的python (具体版本可以终端查看。)

好了，现在你知道你电脑有若干个版本的python. 那么跑Faster R-CNN应该用哪个版本呢？

（个人建议用官方自带的python2.7。 在github上下载的也是2.x版本的程序。以下教程也是2.7版本的。）

重要提示2：如果你用Python2.x跑Faster R-CNN,并且你装了anaconda。那么你首先要做的就是把anaconda的环境变量路径给注释掉。

步骤如下：(1)终端输入：gedit ~/.bashrc

(2)然后将anaconda的路径注释掉(如下图，在export前面加一个#.然后右上角保存并关闭退出。)：

(3)最后输入source ~/.bashrc使bashrc文件的修改生效

重要提示3：查看下你电脑默认的是python2还是python3.

在终端输入python:

如图所示，我的已经切换至python2.x。 如果你的是Python3.x，直接执行以下命令即可：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

(借图)

直接命令：python，默认为python3,如下

如果要切换到Python2，执行：sudo update-alternatives --config python

然后输入对应的数字即可。

再一次输入python

这就成功i切换到Python2.x啦。当然了，你一开始的就是Python2.x。 就不用走以上步骤。

下面开始愉快的跑Faster R-CNN. 皮皮虾，跟我走！！

一，下载文件

下载faster R-CNN，在终端下执行命令：git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

二，编译caffe

1、进入py-faster-rcnn文件夹下的lib文件夹内

(1). cd py-faster-rcnn/lib

(2). make

2、进入py-faster-rcnn文件夹下的caffe-fast-rcnn下，把Makefile.config.example拷贝一份重命名为Makefile.config文件，命令如下：
(1). cp Makefile.config.example Makefile.config
(2). 修改Makefile.config下的相关参数: sudo gedit Makefile.config

根据个人情况修改文件：
a.若使用cudnn，则将
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1

b.若使用的opencv版本是3的，则 将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 3

c.若要使用python来编写layer，则 将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1

d.重要的一项 : 将 # Whatever else you find you need goes here. 下面的

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
这是因为Ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.

(4)修改makefile文件 打开makefile文件，做如下修改：
将：
NVCCFLAGS +=-ccbin=$(CXX)-Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

(5)编辑/usr/local/cuda/include/host_config.h

将其中的第115行注释掉： 将

# error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

3. 配置完成后，下面进行编译。直接编译会出现编译错误，这是因为faster-rcnn默认的caffe支持的cudnn版本是V4，而想用1080Ti显卡，必须使用cuda7.5+cudnn5.0以上版本，因此编译caffe会出现版本不兼容而导致的函数参数不对应的错误。

解决办法，下载最新的caffe：https://github.com/BVLC/caffe

(1)、将caffe/include/caffe/util/cudnn.hpp拷贝到py-fast-rcnn/caffe-fast-rcnn/include/caffe/util/

(2)、将caffe/include/caffe/layers里所有以cudnn开头的文件都拷贝至py-fast-rcnn/caffe-fast-rcnn/include/caffe/layers,全部替换掉

(3).将caffe/src/caffe/layers里所有以cudnn开头的文件都拷贝至py-fast-rcnn/caffe-fast-rcnn/src/caffe/layers,全部替换掉

改好后先 make clean

再重新执行 make

不再报错

再执行

make pycaffe

三. 下载预训练模型：

1  ./data/scripts/fetch_faster_rcnn_models.sh

2  ./data/scripts/fetch_imagenet_models.sh

下载完成后data目录会有对应的模型文件存在

四. 运行demo.py

1. cd py-faster-rcnn/tools

2. ./demo.py                            # 该命令默认的是VGG16的模型

或者执行

./demo.py --net zf     #执行此命令可以运行zf模型

效果如下图：

贴一个很有用的帖子：https://blog.csdn.net/flygeda/article/details/78638824